概述
商业智能(Business Intelligence，BI)系统使组织能够通过利用客户、供应商以及内部业务操作的有关信息来提高商业性能。BI 系统的最终目标是使用户能够消费大量有关数据，对其进行分析从而使企业有机会增加收入或者节省成本。
BI应用已经广泛存在于各个行业，比如电信行业为获得和留住客户而使用的呼叫行为分析，拥塞分析，服务使用分析，经营分析等等;金融行业在风险管理方面采用的信用风险分析，货币风险分析，资产与负债管理等;以及可以用于所有行业的损益P&L 分析，欺诈监测，技术性能分析，价值链分析，分析型CRM等等。
商业智能的发展大致经历了三个阶段，在最初的报表分析阶段，分析应用仅仅是向高级管理层提供固定格式、时间、内容的基本的静态信息;在商业智能发展的第二阶段，企业逐渐建立了数据仓库系统以存储业务数据，通过分立的数据集市解决特定的专题分析，并提供OLAP和统计分析。最新的商业智能应用，致力于建立以客户为中心的全企业范围的分析应用，集成各个层面的客户交流渠道，集成复杂的管理工具(OLAP, 数据挖掘、业务评估)，并通过对数据的分析影响企业的业务模式。
目前的商业智能应用系统通常分为三层结构(如图)：
而数据存储管理是数据仓库系统的核心。
提到数据存储管理，我们不能不提目前广泛应用于交易型(OLTP)数据管理系统中的传统的关系型数据库，这种数据库具有数据结构化、最低冗余度、较高的程序与数据独立性、快速的事务处理能力等特性，在处理交易型(OLTP)事务时具有优势。而在以OLAP分析为主的新的商业智能环境下，对数据管理的需求发生了很大变化，比如海量数据存储，快速查询，复杂查询，即席查询，大量并发用户等等，传统的数据库在应对新的需求时往往力不从心。事实上，我们认为没有一个数据库可以同时满足OLTP与OLAP两种类型的数据存储管理需求。
Sybase IQ介绍
Sybase的数据仓库方法从根本上不同于其他的关系型数据库提供商。Sybase认为，传统的关系型方法以及ROLAP方法效率很低，要想获得足够的性能，必须通过高额的成本，在额外的硬件、软件、资源、钱、时间上进行大量投资，否则不可能达到。因此Sybase已经开发了一个新的关系型数据库——逆向关系型数据库可能是对此最好的解释，它使用一个传统的关系型结构以及与其类似的非常熟悉的术语，但是却是基于列的，而非基于行的。
我们正是从此点开始审视Sybase IQ，我们发现，Sybase对其使用列方法的好处所作的论述“相当令人信服”。通过对数据仓库不断增加的需求以及来自Web的数据与用户迅猛增长所带来的分析和报表(更不必提即将到来的RFID应用)以及客户的经验等等，我们现在可以证明，Sybase IQ提供了一个远比那些传统的关系型供应商更优越的方法。